中文摘要 | 第1-10页 |
ABSTRACT | 第10-12页 |
第一章 引言 | 第12-16页 |
·选题背景及意义 | 第12-13页 |
·国内外研究现状 | 第13-14页 |
·本文主要工作 | 第14-15页 |
·论文框架 | 第15-16页 |
第二章 半监督学习理论基础知识 | 第16-24页 |
·半监督学习简介 | 第16-20页 |
·基本思想 | 第16-17页 |
·基本假设 | 第17-18页 |
·应用领域 | 第18-19页 |
·主要挑战 | 第19-20页 |
·半监督聚类 | 第20-21页 |
·基于搜索的方法 | 第20页 |
·基于相似度的方法 | 第20页 |
·基于搜索与相似度的方法 | 第20-21页 |
·半监督分类 | 第21-23页 |
·基于生成式模型框架的方法 | 第21页 |
·自训练方法 | 第21页 |
·半监督支撑向量机 | 第21-22页 |
·基于图正则化框架的方法 | 第22页 |
·基于协同训练模式的方法 | 第22-23页 |
·本章小结 | 第23-24页 |
第三章 基于Tri-training的半监督聚类算法 | 第24-32页 |
·算法思想 | 第24-26页 |
·结合Tri-training算法扩充Seeds集 | 第24-25页 |
·利用成对约束优化Seeds集 | 第25页 |
·运用成对约束调整聚类结果 | 第25-26页 |
·算法描述 | 第26-27页 |
·实验结果与分析 | 第27-31页 |
·本章小结 | 第31-32页 |
第四章 基于Tri-training的主动半监督分类算法 | 第32-46页 |
·基于Tri-training和少量Seeds集的主动半监督分类算法 | 第32-37页 |
·利用主动学习方法选取标记样本 | 第32-33页 |
·算法描述 | 第33-34页 |
·实验结果与分析 | 第34-37页 |
·基于Tri-training和成对约束的主动半监督分类算法 | 第37-45页 |
·运用成对约束获取标记样本 | 第37-38页 |
·利用成对约束优化标记样本集 | 第38-39页 |
·算法描述 | 第39页 |
·实验结果与分析 | 第39-45页 |
·本章小结 | 第45-46页 |
第五章 结束语 | 第46-48页 |
参考文献 | 第48-54页 |
攻读学位期间取得的研究成果 | 第54-56页 |
致谢 | 第56-58页 |
个人简况及联系方式 | 第58-62页 |